Hasil Pencarian  ::  Simpan CSV :: Kembali

"Metode Conjugate Gradient merupakan salah satu cara untuk optimumkan fungsi f(x) untuk x tanpa kendala (unconstrained optimisation). Optimisasinya dijalankan secara iteratif dengan bantuan garis-garis arah yang saling conjugate. Karena metode ini sangat efisien dalam pemanfaatan storage, maka timbullah usaha untuk mengembangkannya. Salah satu pengembangannya adalah dengan menghubungkan metode CG ini dengan metode BFGS, yang kemudian menghasilkan suatu metode baru yang disebut VSGCG."

"Berdasarkan standar prevalensi stunting yang ditetapkan oleh WHO, yaitu sebesar 20%,tingkat prevalensi stunting di Indonesia masih cukup tinggi. Oleh sebab itu, pada tahun2018 pemerintah menetapkan 100 kabupaten prioritas penurunan angka stunting.Penentuan 100 kabupaten tersebut hanya didasarkan pada kriteria jumlah dan prevalensibalita stunting yang dibobot dengan tingkat kemiskinan provinsi (desa-kota). Akibatnya,akan tidak efektif apabila pemerintah memberikan alokasi APBN, APBD, dan perhatianyang merata pada 100 daerah prioritas tanpa melihat kondisi pada masing-masingkabupaten untuk indikator yang lain. Dengan demikian, diperlukan analisispengelompokan 100 kabupaten prioritas intervensi stunting pada tahun 2018 berdasarkanpada indikator-indikator yang telah ditetapkan oleh Tim Nasional PercepatanPenanggulangan Kemiskinan untuk melihat kondisi keparahan stunting. Analisispengelompokan ini diharapkan dapat dijadikan acuan bagi pemerintah dalam penentuankelompok kabupaten prioritas dan diharapkan pemerintah dapat mengambil kebijakanyang tepat sesuai dengan kondisi masing-masing kelompok. Banyaknya observasi yangdigunakan adalah 100 kabupaten prioritas intervensi stunting tahun 2018 dengan terdapatdelapan variabel numerik dan enam variabel kategorik. Adapun metode yang digunakanadalah metode Partitioning Around Medoids (PAM) dengan menggunakan Gowerdistance yang mampu menangani pengelompokan pada tipe data campuran. Hasil daripenelitian ini menunjukkan bahwa terbentuk lima kelompok kabupaten yang memilikikarakteristik masing-masing. Diperoleh bahwa Cluster 5 memiliki kondisi yang relatifpaling buruk di antara cluster lainnya untuk setiap indikator, sehingga sebaiknya menjadikelompok kabupaten prioritas pertama dalam penanganan kasus stunting. Cluster yangmenjadi prioritas kedua adalah cluster 4, prioritas ketiga adalah cluster 2, dan prioritaskeempat adalah cluster 3. Cluster 1 memiliki kondisi yang relatif paling baik di antaracluster lainnya, sehingga menjadi prioritas terakhir. Kabupaten-kabupaten yang berasaldari Provinsi Papua dan Provinsi NTT secara garis besar merupakan kabupatenkabupatenyang memiliki kondisi keparahan stunting yang buruk, dengan mayoritasmerupakan anggota cluster 2, cluster 4, dan cluster 5. Secara umum untuk lebihmeningkatkan upaya penurunan angka stunting pada 100 kabupaten prioritas, pemerintahperlu mengoptimalkan upaya penurunan angka kemiskinan, meningkatkan proporsipenduduk dengan perilaku BAB di jamban, meningkatkan akses masyarakat terhadap airbersih dan akses masyarakat terhadap sanitasi yang baik, meningkatkan jumlah posyanduper desa, dan meningkatkan ketersediaan jumlah dokter pada masing-masing kabupaten

---

Based on the stunting prevalence standard set by WHO, which is 20%, the stunting

prevalence rate in Indonesia is still quite high. Therefore, in 2018 the government set 100

priority districts to reduce stunting rates. The determination of the 100 regencies only

based on the criteria of the number and prevalence of stunted children weighted by the

provincial (rural-urban) poverty rate. As a result, it will be ineffective if the government

allocates the state budget, regional budget, and equal attention to 100 priority areas

without looking at each district’s conditions for other indicators. Therefore, an analysis

of the 100 priority districts for stunting intervention needed in 2018 based on indicators

established by the National Team for the Acceleration of Poverty Reduction to see the

condition of the severity of stunting. This grouping analysis expected to use as a reference

for the government in determining priority district groups and expected the government

to take appropriate policies by each group’s conditions. The number of observations used

was 100 priority districts for stunting intervention in 2018 with eight numerical variables

and six categorical variables. The method used is the Partitioning Around Medoids (PAM)

method using a Gower distance that believed to handle grouping on mixed data types.

The results of this study indicate that five district groups formed that have their respective

characteristics. It found that cluster 5 had the relatively worst condition among the other

clusters for each indicator, so it should be the priority group in handling stunting cases.

The second priority cluster is cluster 4, the third priority is cluster 2, and the fourth priority

is cluster 3. Cluster 1 has the relatively best condition among other clusters, so it becomes

the last priority. Districts originating from Papua Province and East Nusa Tenggara

Province are generally districts that have reduced stunting severity, with the majority

being members of cluster 2, cluster 4, and cluster 5. In general, to further increase efforts

to reduce stunting rates at 100 priority districts, the government needs to optimize efforts

to reduce poverty, increase the proportion of the population with defecation behavior in

latrines, increase community access to clean water and community access to proper

sanitation, increase the number of posyandu per village, and increase the availability of

doctors in each district"

"ABSTRAKAnalisis regresi linier memodelkan hubungan linier antara variabel respon dengan variabel regresor. Analisis regresi linier menghasilkan suatu model yang disebut model regresi linier. Metode yang sering digunakan untuk menaksir parameter pada model regresi linier adalah metode ordinary least square OLS . Metode OLS akan menghasilkan taksiran terbaik ketika semua asumsinya terpenuhi. Namun pada kenyataannya, asumsi-asumsi tersebut seringkali tidak terpenuhi. Asumsi yang seringkali tidak terpenuhi adalah adanya multikolinieritas dan outlier. Multikolinieritas akan menyebabkan variansi dari taksiran parameter regresi membesar, sedangkan outlier akan membuat taksiran parameter menjadi bias. Jika terdapat multikolinieritas dan outlier pada data, digunakan jackknife ridge M-estimator. Jackknife ridge M-estimator adalah taksiran koefisien regresi yang memiliki sifat robust sehingga tidak terpengaruh oleh outlier dan menggunakan metode ridge untuk mengatasi masalah multikolinieritas serta menggunakan metode jackknife untuk mereduksi bias yang dihasilkan metode ridge. Pada regresi linier berganda, model regresi dapat terdiri dari banyak kandidat variabel regresor. Metode subset selection digunakan untuk memilih sebagian kecil saja dari kandidat variabel regresor pada model regresi linier berganda yang paling baik dalam memprediksi nilai dari variabel respon. Kriteria seleksi yang dapat digunakan pada metode subset selection apabila terdapat outlier dan multikolinieritas pada data yaitu kriteria GSp yang merupakan generalized version dari kriteria Sp. Hal tersebut dikarenakan, kriteria GSp didasarkan oleh jackknife ridge M-estimator yang dapat mengatasi masalah outlier dan multikolinieritas. Selanjutnya, kriteria GSp diimplementasikan untuk mendapatkan model terbaik pada data IQ yang memiliki masalah outlier dan multikolinieritas. Berdasarkan analisis data, diperoleh bahwa untuk mengetahui IQ seseorang orang tersebut tidak harus melakukan 5 tes kepribadian berbeda, karena dengan hanya melakukan 3 tes kepribadian saja yaitu tes 1, tes 3 dan tes 5, sudah dapat diketahui besar IQ dari orang tersebut, dimana hal tersebut dapat mengurangi waktu, biaya dan tenaga yang diperlukan.

---

ABSTRACTLinear regression analysis model the linear relation between response variable with regressor variables. Linear regression analysis produce a linear regression model. Ordinary least squares OLS method is often utilized to estimate parameters of linear regression model. OLS method will produce the best estimates when all the assumptions are met. However, in real data, those assumptions are often not violated. Such as the multicollinearity and outliers. Multicollinearity will produce a large variance of the regression parameters, while outliers will cause a biased estimates. Jackknife ridge M estimator is recommended to be implemented in the model when these problems are present. Jackknife ridge M estimator is the regression with robust property, which makes it able not to be influenced by the presence of outlier, and ridge method is utilized to overcome multicollinearity, where the jackknife method is utilized to reduce the bias from the result of the ridge method. In multiple linear regression, regression model could possibly contain many regressor variable candidates. Subset selection method is utilized to select some of those regressor variable candidates on the multiple linear regression model that best predicts the value of the response variable. The selection criterion that can be utilized on the subset selection method when outlier and multicollinearity are present is the GSp criterion which is the generalized version of the Sp criterion. The reason for this is because the GSp criterion is based on jackknife ridge M estimator, which is able to solve the problem of outlier and multicollinearity. Furthermore, GSp criterion is implemented to obtain the best model on IQ data that has outlier and multicollinearity issues. Based on the data analysis, it was found that to know the IQ of a person the person does not need to do 5 different personality tests, because by only doing 3 personality test which is test 1, test 3 and test 5, it can be known the IQ of that person, where it can reduce the time, cost and energy required."

"Avian flu dan swine flu merupakan penyakit pernapasan menular yang disebabkan oleh virus influenza yang menyerang hidung, tenggorokan, bronkus, dan terkadang paru-paru. Infeksi yang disebabkan mulai dari penyakit ringan, berat, dan bahkan kematian. Peristiwa genetic reassortment dapat membentuk suatu virus baru yang merupakan gabungan kemampuan dari virus avian flu dan swine flu yang disebut mutant-type flu. Pengobatan dengan obat antiviral digunakan untuk proses penyembuhan ketiga penyakit tersebut. Untuk mengetahui model penyebaran penyakit tersebut, digunakan model epidemi SIR beserta analisa titik keseimbangan, kestabilan, dan basic reproduction number R0 dengan metode pendekatan Next Generation Matrix NGM. Pendekatan pada model menggunakan model deterministik dengan sistem persamaan diferensial berdimensi tujuh. Kajian analitik dan numerik digunakan untuk interpretasi pada hasil yang diberikan oleh model. Dari hasil kajian tersebut, diperoleh 3 nilai basic reproduction number yang menjadi faktor penentu bertahannya penyakit avian flu dan swine flu di lingkungan.

---

Avian flu and swine flu are respiratory infectious diseases caused by influenza viruses that attack the nose, throat, bronchus, and sometimes the lungs. Infections caused from mild, severe, and even death. The genetic reassortment can produce a new virus that is a combination of avian flu and swine flu viruses called mutant type flu. Treatment with antiviral drugs is used for the healing process of these diseases.

To find out the model of the spread disease, SIR epidemic model used with the analysis of the equilibrium point, stability, and basic reproduction number R0 with the Next Generatin Matrix NGM approach. The model approach uses a deterministic model with a seven dimensional differential equation system. Analytic and numerical studies are used for the interpretation of the results provided by the model. From the result of the study, we get 3 values of basic reproduction number which becomes the determinant factor for the survival of avian flu and swine flu diseases in the environtment."

"Tulisan ini membahas taksiran negative dari variansi kesalahan-kesalahan ukuran (Measurement Errors Variance) dimana data sampel diukur dengan 2 dan 3 metode ukuran. Dalam skripsi ini diberikan pembahasan mengenai kemungkinan terdapatnya taksiran negative dari vaniansi kesalahan-kesalahan ukuran dan bagaimana mengatasi masalah taksiran negatif tersebut, baik untuk data sampel yang diukur dengan 2 metode ukuran maupun data sampel yang diukur dengan 3 metode ukuran. Masing-masing pembahasan dimulai dengan model matematika, mencari taksiran dari vaniansi kesalahan-kesalahan ukuran, dan bagaimana mengatasi masalah taksiran negatif dari variansi kesalahan-kesalahan ukuran. Dibagian akhir tulisan diberikan sebuah contoh."

"Analisis regresi adalah suatu teknik statistik yang digunakan untuk menyelidiki dan menunjukkan hubungan antara variabel-variabel yang dianggap berpengaruh. Hasil analisis, yang disebut model regresi, akan baik jika data pengamatan yang dipakai sudah memenuhi asumsi-asumsi yang ada dan mempunyai pengaruh yang sama pada saat pencocokan regresi, dalam hal ini pada taksiran β. Artinya, tidak ada sebagian atau satu pengamatan yang lebih berpengaruh dibandingkan dengan data pengamatan yang lain. Untuk mengetahui apakah ada data pengamatan yang lebih berpengaruh tersebut, dilakukan pendeteksian terhadap data yang ada dengan menggunakan pendekatan penghapusan. Pendekatan ini menguji bagaimana suatu pengamatan dapat mengubah kuantitas yang terlibat dalam analisis regresi. Ada 2 metode pendeteksian pengamatan yang berpengaruh pada β , yaitu : 1. Berdasarkan jarak titik pada ruang X - Y 1.1 Elemen diagonal matrik V 1.2 Jarak Mahalanobis 1.3 WSSD 1.4 Elemen diagonal matrik VZ 2. Berdasarkan Kurva Pengaruh ( pusat elipsoida keperoayaan) 2.1 Cook distance 2.2 Welsch distance 2.3 Welsch-Kuh distance 2.4 Modifikasi Cook distance."

" ABSTRAK Analisis cluster merupakan teknik multivariat yang digunakan untuk mengelompokkan objek berdasarkan karakteristik yang dimilikinya. Salah satu teknik dalam analisis cluster adalah metode Fuzzy K-Means lebih dikenal dengan Fuzzy C-Means , yang merupakan versi fuzzy dari metode K-Means clustering. Seperti pada metode K-Means, FCM juga sangat sensitif terhadap penentuan pusat-pusat awal cluster. Untuk mengatasi permasalahan tersebut, diusulkan modifikasi dari metode FCM dengan menggunakan metode sampling dengan probabilitas. Metode sampling digunakan untuk menaksir lokasi pusat-pusat awal cluster untuk digunakan ke dalam proses clustering. Dalam tugas akhir ini, metode sampling yang digunakan adalah simple random sampling dan ranked set sampling. Modifikasi dari metode FCM dengan menggunakan kedua metode sampling tersebut masing-masingnya disebut dengan SRS Fuzzy C-Means dan Ranked Fuzzy C-Means. Kedua metode tersebut kemudian diuji pada himpunan data pasien liver di India. Hasil eksperimen menunjukkan bahwa Ranked Fuzzy C-Means lebih efisien dibandingkan SRS Fuzzy C-Means dan FCM.

---

ABSTRACT Cluster analysis is a multivariate technique that is used to group objects based on characteristics. One technique in cluster analysis is a method Fuzzy C Means or better known as Fuzzy C Means , which is a fuzzy version of K Means clustering method. As the K Means method, FCM is also very sensitive to the determination of the initial cluster centers. To overcome these problems, the proposed modification of the FCM method using probability sampling methods. The sampling method is used to estimate the initial cluster centers to be used in the clustering process. In this thesis, the sampling method used was simple random sampling and ranked set sampling. Modifications of the FCM method using both the sampling method each being with SRS Fuzzy C Means and Ranked Fuzzy C Means. Both methods are then tested on a data set of liver patients in India. The experimental results showed that Ranked Fuzzy C Means is more efficient than SRS Fuzzy C Means and FCM."